ММООЗЗГГ.ru

Разбор

Эффект ИИ в госконтроле: сколько денег бюджета возвращают и сохраняют

8 мин10 источников

Эффект ИИ в госконтроле складывается из двух сумм: деньги, которые не ушли по сомнительной закупке или платежу, и деньги, которые удалось вернуть. Минфин США в 2024 финансовом году предотвратил и вернул больше 4 млрд $ мошеннических и неправомерных платежей, примерно в шесть раз больше, чем годом раньше. Ниже цифры США, Бразилии, Великобритании и Казахстана и способ посчитать эффект для своего бюджета.

На странице · 7 разделов

Коротко

Эффект ИИ в госконтроле измеряют деньгами, которые не ушли, и деньгами, которые вернулись. Минфин США за 2024 финансовый год предотвратил и вернул больше 4 млрд $ против 652,7 млн $ годом раньше, в Бразилии в 2019-2022 годах приостановлены или отменены торги больше чем на 9,7 млрд реалов. Для своего бюджета эффект считают по пилоту, а не по чужим процентам.

Масштаб потерь: 3-7% расходов

Счетная палата США (GAO) оценила, что федеральное правительство теряет на мошенничестве от 233 до 521 млрд $ в год. Это 3-7% средних федеральных обязательств по данным 2018-2022 финансовых годов.

Другие организации, по данным того же отчета, называют похожий порядок: британская Public Sector Fraud Authority 0,5-5%, ACFE 5%, Portsmouth Centre 6,4%. Методики у них разные, поэтому это ориентир масштаба, а не норма.

Оценка относится ко всему федеральному правительству. GAO прямо предупреждает: эти проценты нельзя переносить на отдельное ведомство или программу, потому что уровень риска сильно различается в зависимости от контроля, роста или сокращения бюджета и появления новых схем.

Отсюда первое правило расчета: не умножать свой бюджет на чужой процент. Свою базу дают собственные данные: сколько закупок и платежей прошло, сколько из них уже вызывали вопросы у проверяющих, во что обошлись последние подтвержденные нарушения.

Вторая оговорка GAO: оценку мошенничества нельзя сравнивать с оценками неправомерных платежей, их считают по разным методикам. В отчете об эффекте эти суммы тоже держат в разных строках.

США: рост в шесть раз за год

За 2024 финансовый год Минфин США предотвратил и вернул больше 4 млрд $ мошеннических и неправомерных платежей. Годом раньше сумма была 652,7 млн $.

Рост дали два инструмента. Машинное обучение по мошенничеству с чеками принесло 1 млрд $ возврата, а приоритизация рискованных транзакций остановила 2,5 млрд $.

Остальное дали менее заметные меры: расширенная проверка по риску предотвратила 500 млн $, изменение графика обработки платежей еще 180 млн $. Для масштаба: казначейство проводит около 1,4 млрд платежей в год на сумму больше 6,9 трлн $.

Разница между ними важна для расчета. Возврат по чекам приходит после выплаты и требует работы с банками, а остановленная транзакция не уходит из бюджета вовсе.

Приоритизация значит, что проверяющие первыми смотрят платежи с высоким баллом риска. Остальные проходят без задержки, и честный получатель не ждет денег дольше обычного.

Вывод из этого опыта: больше всего денег дает не поиск после оплаты, а сортировка платежей по риску до нее. Подробно о системах США рассказано на отдельной странице.

Бразилия: остановленные торги

Робот ALICE бразильского контрольного ведомства CGU работает с 2015 года. Каждый день он собирает больше 500 объявлений о закупках, проверяет их примерно по 40 типам рисков и рассылает сигналы больше чем 500 аудиторам.

В 2019-2022 годах в Бразилии приостановлены или отменены торги больше чем на 9,7 млрд реалов. Эти деньги не пришлось возвращать: торги остановили до заключения контракта.

Сама CGU учитывает как финансовую выгоду от работы ALICE за те же годы больше 1,3 млрд реалов, примерно в семь раз меньше суммы остановленных торгов. Для своего отчета отсюда правило: сумма остановленных закупок и эффект системы стоят в разных строках.

В 2023 году робот проанализировал 190 923 закупки. Вручную такой поток целиком не проверить, и аудиторы смотрели бы только выборку.

Робот сам торги не отменяет: он рассылает сигналы аудиторам, а решение о приостановке или отмене принимают люди. Поэтому сумма остановленных торгов отражает работу всей связки, а не одной программы.

Как устроен ALICE и как аудиторы работают с его сигналами, разобрано на странице о бразильском опыте.

Предотвращено против возвращено

Великобритания считает возвращенные деньги: правительство сообщило о 480 млн фунтов, возвращенных у мошенников с апреля 2024 по апрель 2025 года. Возврат легко посчитать, но он требует расследования, суда и времени.

Предотвращенные расходы считать труднее, зато они не требуют взыскания. Антикоррупционная служба Казахстана через мониторинг завышенных цен в «Едином окне закупок» предотвратила неэффективные расходы больше чем на 67 млрд тенге за два года: 29 млрд в 2022 году и 38,4 млрд за 10 месяцев 2023 года.

Британский инструмент Fraud Risk Assessment Accelerator идет еще раньше: он проверяет проекты новых программ на слабые места до их запуска. Такой эффект почти не виден в отчетах, потому что мошенничество просто не случилось.

Совет финансовых директоров федеральных ведомств США, на который ссылается GAO, признает: результат предотвращения трудно измерить, но он может дать значительную отдачу. Поэтому в отчете нужны обе строки, а предотвращенная сумма считается по заранее описанному правилу.

Правило для предотвращенной суммы записывают до пилота. Например, засчитывать цену закупки, отмененной после проверки, или разницу между начальной ценой и ценой после пересмотра.

Время проверки: 8 дней вместо 400

Второй эффект легко пропустить, потому что он измеряется в днях. В Бразилии превентивный аудит по сигналу ALICE занимает 8 календарных дней, а традиционная оценка в среднем больше 400 дней. За такой срок контракт успевают заключить и оплатить, и вместо остановки остается только взыскание.

Британский инструмент проверки новых программ в первых тестах сократил время на поиск рисков мошенничества на 80%. Решения по найденным рискам при этом остаются за людьми.

В России ФАС приводит свой показатель: в 2025 году с помощью информации ГИС «Антикартель» раскрыт 21% картелей на торгах, к маю 2026 года почти 40%. Это пример метрики без денег: доля дел, которые начались с сигнала системы.

Сэкономленное время переводят в деньги осторожно. Часы проверяющих умножают на их стоимость, только если эти часы ушли на другие проверки. Если штат и нагрузка не изменились, время показывают отдельной строкой, без пересчета в деньги.

Как посчитать эффект для своего бюджета

Эффект считают по пилоту на одной схеме, а не по чужим процентам. Расчет состоит из четырех строк, и каждую можно проверить по документам.

1. Предотвращено: сумма закупок и платежей, которые остановили или изменили до оплаты после сигнала и проверки человеком.

2. Возвращено: суммы, взысканные или возвращенные по материалам, которые начались с сигнала системы.

3. Время: сколько часов проверяющих уходило на одну закупку до и после, умноженное на число проверок в год.

4. Затраты: разработка, сопровождение и время сотрудников на разбор сигналов, включая ложные.

5. Чистый эффект: сумма первых трех строк минус четвертая. Если за пилот он отрицательный, это повод сменить схему, а не дописывать в отчет условные миллионы.

В эффект идут только суммы, по которым решение принял человек: проверяющий, руководитель или суд. Сигнал, который никто не подтвердил, ничего не стоит, а отчет, где он посчитан, вызовет недоверие к системе.

Состав данных и план пилота описаны на странице о том, как внедрить ИИ-контроль.

Что считать результатом

Результат первого года часто не в возвращенных миллиардах, а в доле проверенного потока. ALICE проверяет каждое объявление о закупках, и аудиторы видят весь поток, а не случайную часть.

Набор показателей для отчета: доля проверенных закупок и платежей, число сигналов и доля подтвержденных, сумма, остановленная до оплаты, время на одну проверку.

Руководителю полезна и динамика по кварталам: растет ли доля сигналов, закрытых документами, и сокращается ли время между публикацией закупки и ее проверкой.

Опыт Минфина США показывает, что рост бывает быстрым, когда сигналы сортируют по риску: 2,5 млрд $ остановила именно приоритизация транзакций.

Нулевой результат тоже результат. Если пилот на одной схеме не дал подтвержденных сигналов, это записывают в отчет, и масштабировать эту схему не нужно.

Чего в отчете быть не должно, так это числа «выявленных коррупционеров». Система отмечает признаки риска, а нарушение признает проверяющий или суд.

Вопросы и ответы

Через сколько окупается ИИ-контроль?

Общего срока нет: GAO прямо предупреждает, что средний процент потерь нельзя переносить на отдельное ведомство или программу. Окупаемость показывает пилот на одной схеме: предотвращенные и возвращенные суммы плюс сэкономленное время минус затраты. Если за пилот чистый эффект отрицательный, меняют схему, а не расширяют проект.

Что можно записать в предотвращенные расходы?

Только суммы, по которым после сигнала решение принял человек: закупку отменили, цену пересмотрели, платеж остановили. Правило подсчета пишут до пилота, например цена отмененной закупки или разница между начальной ценой и ценой после пересмотра. Казахстан, например, отчитался о неэффективных расходах больше чем на 67 млрд тенге, которые не состоялись после мониторинга завышенных цен.

Можно ли сложить предотвращенные и возвращенные суммы в одну цифру?

Лучше держать их в разных строках. Возврат подтверждают взыскание или решение суда, а предотвращение считают по правилу, которое проще оспорить. Бразилия показывает разницу: торги остановлены больше чем на 9,7 млрд реалов, а финансовой выгодой от ALICE учтено больше 1,3 млрд реалов.

Есть ли российские данные об эффекте?

ФАС приводит долю картелей на торгах, раскрытых с помощью информации ГИС «Антикартель»: 21% в 2025 году и почти 40% к маю 2026 года. Это показатель доли дел, а не суммы, и его удобно взять за образец для своего отчета. Решения о нарушениях принимают комиссии службы, а выводы системы она считает вспомогательными.

Как ложные сигналы влияют на эффект?

Они идут в строку затрат: каждый ложный сигнал стоит часов проверяющего. Open Contracting Partnership советует пересматривать признак, который срабатывает на 90% процедур, потому что в нем, скорее всего, много ложных срабатываний. До пилота договариваются, какую долю подтвержденных сигналов считать приемлемой.

Источники и проверка

Проверено редакцией 16 октября 2026.

  1. GAO-24-105833, 16.04.2024, 16 апреля 2024 (gao.gov)
  2. Nextgov/FCW, 18 октября 2024 (nextgov.com)
  3. OECD OPSI, Robot Alice, 24 июня 2024 (oecd-opsi.org)
  4. TechRadar, 25 сентября 2025 (techradar.com)
  5. Forbes.kz 29.11.2023; DigitalBusiness.kz 30.01.2026, 29 ноября 2023 (forbes.kz)
  6. Минфин США, пресс-релиз, 17 октября 2024 (home.treasury.gov)
  7. GOV.UK, Cabinet Office, 24 сентября 2025 (gov.uk)
  8. ComNews, ФАС о ГИС «Антикартель», 29 мая 2026 (comnews.ru)
  9. Коммерсантъ, 21 ноября 2024 (kommersant.ru)
  10. Open Contracting Partnership, Red flags in public procurement, декабрь 2024 (open-contracting.org)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин

Для госорганизаций

Мы собираем такие системы под задачи госорганизаций и госкомпаний: от разбора данных до пилота на одной схеме. Данные остаются на серверах организации.

Консультации и разработка
Написать в Telegram